基于车辆模型紧耦合的封闭园区车辆定位方法

doi:10.19562/j.chinasae.qcgc.2021.09.009

摘要/Abstract

摘要：

自主定位是自动驾驶车辆的一项基本能力，全球导航卫星系统（GNSS）可在开阔环境提供定位解决方案，然而在封闭园区环境如港口或工业园区等，高密度的植被和建筑等环境因素会导致GNSS信号不稳定，从而影响定位精度，对自动驾驶系统的安全造成严重威胁。为解决这一问题，本文中提出融合激光雷达（LiDAR）和惯性测量单元（IMU）的自动驾驶定位方法，通过引入车辆运动学模型以约束车辆位姿优化方向，同时采用模块化设计思路构建系统残差并基于紧耦合方法联合优化获得车辆准确位姿。试验结果表明，所提出的方法能够提高弱GNSS信号环境中自动驾驶车辆的定位精度和鲁棒性。

关键词: 自动驾驶, 自主定位, 紧耦合, 车辆运动学模型

Abstract:

Autonomous positioning is a fundamental capability of autonomous vehicles. Global navigation satellite system （GNSS） can provide positioning solutions in open environments， however， in enclosed environments， such as ports or industrial parks， environmental factors such as high?density vegetation and buildings will lead to instability of GNSS signals， thus affecting positioning accuracy and posing a serious threat to the safety of the automatic driving system. In order to solve this problem， this paper presents an automatic driving positioning method that integrates light detection and ranging （LiDAR） and inertial measurement unit （IMU）. A vehicle kinematics model is introduced to constrain the orientation of vehicle poses optimization， at the same time， the system residuals are built by using the modular design idea， which are optimized jointly based on tight coupling method to obtain the accurate pose of the vehicle. The experimental results demonstrate that the proposed method can improve the positioning accuracy and robustness of autonomous vehicles in weak GNSS signal environments.

Key words: automatic driving, autonomous positioning, tight coupling, vehicle kinematics model

秦晓辉,王哲文,庞涛,史维清,孙宁,胡满江. 基于车辆模型紧耦合的封闭园区车辆定位方法[J]. 汽车工程, 2021, 43(9): 1328-1335.

Xiaohui Qin,Zhewen Wang,Tao Pang,Weiqing Shi,Ning Sun,Manjiang Hu. Vehicle Positioning Method Based on Tight Coupling of Vehicle Model in Enclosed Environments[J]. Automotive Engineering, 2021, 43(9): 1328-1335.

图/表 9

图1

图2

图3

图4

图5

表1

图6

图7

表2

参考文献 18

1	LEUNG K T， WHIDBORNE J F， PURDY D J， et al. A review of ground vehicle dynamic state estimations utilising GPS/INS［J］. Vehicle System Dynamics， 2011： 29-58.
2	REN X， CAI Z. Kinematics model of unmanned driving vehicle［C］.World Congress on Intelligent Control and Automation， 2010： 5910-5914.
3	XIONG L， XIA X， LU Y， et al. IMU-based automated vehicle slip angle and attitude estimation aided by vehicle dynamics［J］. Sensors， 2019， 19（8）： 1930.
4	XIA X， XIONG L， LIU W， et al. Automated vehicle attitude and lateral velocity estimation using a 6-D IMU aided by vehicle dynamics［C］. IEEE Intelligent Vehicles Symposium， 2018： 1563-1569.
5	ENGEL J， USENKO V， CREMERS D. A photometrically calibrated benchmark for monocular visual odometry［J］. arXiv Preprint arXiv：， 2016.
6	MUR-ARTAL R， MONTIEL J M M， TARDOS J D. ORB-SLAM： a versatile and accurate monocular SLAM system［J］. IEEE Transactions on Robotics， 2015， 31（5）： 1147-1163.
7	LI R， LIU J， ZHANG L， et al. LIDAR/MEMS IMU integrated navigation （SLAM） method for a small UAV in indoor environments［C］.2014 DGON Inertial Sensors and Systems （ISS）. IEEE， 2014： 1-15.
8	SHAN T， WANG J， ENGLOT B， et al. Bayesian generalized kernel inference for terrain traversability mapping［C］.Conference on Robot Learning， 2018： 829-838.
9	ZHANG J， SINGH S. Low-drift and real-time lidar odometry and mapping［J］. Autonomous Robots， 2017， 41（2）： 401-416.
10	YANG S， ZHU X， NIAN X， et al. A robust pose graph approach for city scale LiDAR mapping［C］.2018 IEEE/RSJ International Conference on Intelligent Robots and Systems （IROS）. IEEE， 2018： 1175-1182.
11	孙宁，闫梦如，倪捷，等. 基于GRI的多车协同定位研究［J］. 汽车工程， 2018， 40（4）：117-122，128.
	SUN N， YAN M R， NI J， et al. Research on multi vehicle cooperative positioning based on GRI［J］.Automotive Engineering， 2018， 40（4）：117-122，128.
12	曹立波，陈峥，颜凌波，等. 基于RFID，视觉和UWB的车辆定位系统［J］. 汽车工程， 2017， 39（2）：225-231.
	CAO L， CHEN Z， YAN L B， et al. Vehicle positioning system based on RFID， vision and UWB［J］.Automotive Engineering， 2017， 39（2）：225-231.
13	KONRAD T， BREUER M， ENGELHARDT T， et al. State estimation for a multirotor using tight-coupling of gnss and inertial navigation［J］. IFAC-PapersOnLine， 2017， 50（1）： 11683-11688.
14	QIN C， YE H， PRANATA C E， et al. R-LINS： a robocentric lidar-inertial state estimator for robust and efficient navigation［J］. arXiv， 2019： arXiv： .
15	YE H， CHEN Y， LIU M. Tightly coupled 3d lidar inertial odometry and mapping［C］. 2019 International Conference on Robotics and Automation （ICRA）. IEEE， 2019： 3144-3150.
16	SHEN S， MICHAEL N， KUMAR V. Tightly-coupled monocular visual-inertial fusion for autonomous flight of rotorcraft MAVs［C］. 2015 IEEE International Conference on Robotics and Automation （ICRA）. IEEE， 2015： 5303-5310.
17	FORSTER C， CARLONE L， DELLAERT F， et al. IMU preintegration on manifold for efficient visual-inertial maximum-a-posteriori estimation［C］. Georgia Institute of Technology， 2015.
18	JI Z，SINGH S. Low-drift and real-time lidar odometry and mapping［J］. Autonomous Robots， 2017， 41（2）：401-416.

相对误差对比	场景a		场景b
误差	平移/%	旋转/ （（°）·m^-1）	平移/%	旋转/（（°）·m^-1）
A-LOAM	1.171 7	0.005 5	1.004 0	0.009 0
LiDAR-IMU	0.454 1	0.003 2	0.752 4	0.007 0
LiDAR-IMU-VM	0.372 0	0.002 1	0.514 8	0.004 0

[1]	付新科,蔡英凤,陈龙,王海,刘擎超. 不确定性环境下的自动驾驶汽车行为决策方法[J]. 汽车工程, 2024, 46(2): 211-221.
[2]	赵晓聪,房世玉,李子睿,孙剑. 社会性驾驶交互关键效用析取与应用[J]. 汽车工程, 2024, 46(2): 230-240.
[3]	马艳丽, 秦钦, 董方琦, 娄艺苧. 基于风险场的不同认知次任务下接管风险评估模型[J]. 汽车工程, 2024, 46(1): 9-17.
[4]	刘卫国,项志宇,刘伟平,齐道新,王子旭. 基于分布式强化学习的车辆控制算法研究[J]. 汽车工程, 2023, 45(9): 1637-1645.
[5]	王明,唐小林,杨凯,李国法,胡晓松. 考虑预测风险的自动驾驶车辆运动规划方法[J]. 汽车工程, 2023, 45(8): 1362-1372.
[6]	朱向雷,吴志新,张宇飞,赵帅,李克秋,孙博华. 基于场景降维及采样方法的场景库优化方法研究[J]. 汽车工程, 2023, 45(8): 1408-1416.
[7]	吴新政,邢星宇,刘力豪,沈勇,陈君毅. 基于错误注入的决策规划系统抗扰性测试与分析[J]. 汽车工程, 2023, 45(8): 1428-1437.
[8]	高锋,冯德福,胡秋霞. 面向NMPC运动规划系统的数值优化加速技术[J]. 汽车工程, 2023, 45(8): 1438-1447.
[9]	芦涛,金馨,廖毅霏,黄圣杰,杨依琳,谢国涛,秦晓辉. 基于雅克比域零空间边缘化的视觉SLAM[J]. 汽车工程, 2023, 45(8): 1457-1467.
[10]	伍文广,田双岳,张志勇,张斌. 非铺装道路凹凸不平特征语义分割方法研究[J]. 汽车工程, 2023, 45(8): 1468-1478.
[11]	林程, 汪博文, 吕沛原, 宫新乐, 于潇. 面向变曲率道路的自动驾驶汽车换道博弈运动规划与协同控制研究[J]. 汽车工程, 2023, 45(7): 1099-1111.
[12]	赵东宇, 赵树恩. 基于级联YOLOv7的自动驾驶三维目标检测[J]. 汽车工程, 2023, 45(7): 1112-1122.
[13]	李军, 周伟, 唐爽. 基于自适应拟合的智能车换道避障轨迹规划[J]. 汽车工程, 2023, 45(7): 1174-1183.
[14]	赵嘉豪,齐志权,齐智峰,王皓,何磊. 基于轮胎特征点的并行大型车辆朝向角计算[J]. 汽车工程, 2023, 45(6): 1031-1039.
[15]	金立生,韩广德,谢宪毅,郭柏苍,刘国峰,朱文涛. 基于强化学习的自动驾驶决策研究综述[J]. 汽车工程, 2023, 45(4): 527-540.